华为近日宣布,其敏捷教育城域网解决方案中标玉溪市教育信息化二三期,将为玉溪市教育局建设高效、安全、简单的整体区域数字化校园。这是继石林教育城域网、玉溪教育信息化一期后,华为敏捷教育城域网解决方案再次中标云南省教育信息化项目。
玉溪教育信息化致力整合、集成室内外的优质资源,利用华为云计算玉溪基地进行统一部署,全新打造教学、管理、评价“三位一体”的玉溪教育云平台,玉溪教育云是互联网+教育应用模式的创新实践,是国内系统设计比较完整,技术相对先进,资源相当丰富的教育信息化平台,实现了全学段资源,全场景教学和全过程管理的“三个全覆盖”,高校教学、科学管理、精准评价将使全玉溪市师生和家长受益:让农村学校与城区学校享受一样的教学资源;让师生上课更轻松、课堂更精彩;学生多了个网络老师,家长再也不用为请家教犯愁;让农村学生能和城里学校的小伙伴们一起学习、互动、交流、点赞。
为解决教育不均衡、优质教育资源不足的问题,玉溪市把教育信息化作为推动教育改革发展的新引擎,引进华为先进的敏捷教育城域网方案,以教育网络“人人通、班班通、校校通”为重点,创新拓展“互联网+教育”应用模式,因地制宜探索“全覆盖、广应用、促均衡”的具有玉溪特色的教育信息化路子,实现了优质教育资源大范围的直接共享,有力促进了城乡教育共同发展、各类教育齐头并进。
华为总结多年的建网经验,以实用为原则,为玉溪市提供教育信息化整体解决方案,实现玉溪教育信息化架构稳定,网络层次清晰,支持长期平滑演进,建议整网统一规划,采用分层架构设计、链路备份、易扩展、网络集中管控、满足业务长远发展需求更好的为教学语音、教学视频、资源数据等业务服务。
CSS交换网硬件集群,链路&设备冗余,硬件BFD保证保障可靠稳定,高性能板卡,IPv6平滑过渡,SDN平滑演进。华为敏捷交换机S7706单台设备主控、交换网板、监控板、电源、风扇等均实现冗余备份、单板支持热插拔。冗余部件可以在单个部件故障时及时承担故障部件的相关职责,保障系统业务的整体高可靠性。CSS集群可将两台交换机的控制平面和转发平面都合一,集群系统多台成员设备之间冗余备份;集群支持跨设备的链路聚合功能, 实现跨设备的链路冗余备份。城域网IPv6规划以及支持SDN平滑演进,保障信息化投资。
全网安全事件、告警、故障的大数据收集、识别、分析,通过关联分析实现对企业网络安全态势感知。华为全网安全协防解决方案采用大数据分析技术,实现全网安全事件的收集和基于大数据进行关联分析,发现安全威胁;采用虚拟化技术,实现全网安全资源虚拟化、资源共享、按需服务。网络安全协防技术很好地解决了安全防御、业务部署问题。全网安全协防包含两个子方案:基于大数据分析的威胁感知、安全协防,另一个子方案是基于安全池化技术实现灵活的Service chain,二者配合使用,实现全网的协同防护。
5级QoS调度,可基于业务、用户、用户组、类、端口进行精细化的业务调度。玉溪教育信息化由于承载业务类型较多,不同类型业务对网络质量要求不同。语音、视频等实时业务既要求流量大带宽,也需要保证传输低时延,因此需要采用5级QoS技术对关键业务的网络质量进行高质量的差异化服务。
互联新校园、携手众教育”,华为将继续以优质的ICT技术创新网络科技,携手中国教育行业合作伙伴及客户共建现代互联校园,共同创建面向未来的创新管理与教学模式,推动中国教育信息化事业快速发展。
好文章,需要你的鼓励
谷歌发布数据共享模型上下文协议服务器,使开发者和AI智能体能够通过自然语言访问真实世界统计数据。该服务整合了政府调查、行政数据和联合国等全球机构的公共数据集。新服务旨在解决AI系统训练中常见的数据噪声和幻觉问题,为AI提供可验证的结构化信息。谷歌还与ONE Campaign合作推出数据智能体工具,该开源服务器兼容任何大语言模型。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
微软宣布从周三开始将Anthropic的AI模型集成到其Copilot助手中,此前该助手主要依赖OpenAI技术。企业用户可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1、Claude Sonnet 4之间选择,用于复杂研究和构建定制AI工具等任务。此举标志着微软与OpenAI这对曾经独家合作伙伴关系的进一步松动。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。